Évaluation de la rigueur des conditions hivernales pour le ... · ce travail a été financé dans...

Évaluation de la rigueur desconditions hivernales pour lecerf de Virginie à partir desdonnées météorologiques :Effets des scénarios de changements climatiques sur l’indicateur NIVA

Évaluation de la rigueur des conditions hivernales pour le cerf de Virginie à partir des données météorologiques : effets des scénarios de changemen ts climatiques sur l’indicateur NIVA

Ministère des Forêts, de la Faune et des Parcs ii

ÉQUIPE DE RÉALISATION

Auteurs : Maxime Lavoie, biologiste Ph.D.

Service de la gestion des espèces et des habitats t errestres Pierre Blanchette Collaboration : Service de la gestion des espèces et des habitats t errestres Christian Dussault François Lebel

Ce travail a été financé dans le cadre de l’action 29.2.4 : Évaluation des potentiels d'exploitation et adaptation de la gestion des ressources fauniques aquatiques et terrestres en priorisant la pérennité alimentaire des communautés autochtones, du Plan d’action 2013-2020 sur les changements climatiques (PACC 2013-2020) du ministère du Développement durable, de l’Environnement et de la Lutte contre les changements climatiques.

LAVOIE, M. et P. BLANCHETTE (2017). Évaluation de la rigueur des conditions hivernales pour le cerf de Virginie à partir des données météorologiques : effets des scénarios de changements climatiques sur l’indicateur NIVA, Québec, Direction générale de la gestion de la faune et des habitats et Direction de l’expertise sur la faune terrestre, l’herpétofaune et l’avifaune, 48 p.

© Gouvernement du Québec Ministère des Forêts, de la Faune et des Parcs Dépôt légal – Bibliothèque et Archives nationales du Québec, 2017 ISBN 978-2-550-79169-0 (imprimé) ISBN 978-2-550-79170-6 (PDF)


Ministère des Forêts, de la Faune et des Parcs iii

Remerciements Nous tenons à remercier Ouranos et Travis Logan d’avoir généré et fourni les données de

projections climatiques. Nous sommes également reconnaissants envers le groupe de travail sur

les modèles couplés (GTMC) du Programme mondial de recherche sur le climat (PMRC), qui est

responsable du Coupled Model Intercomparison Project (CMIP), et nous remercions les centres

de modélisation climatique pour la production et la mise à disposition de leurs sorties de modèle.

Pour CMIP, le Programme de comparaison et de diagnostic des modèles climatiques du ministère

américain de l’Énergie a fourni le soutient de coordination et a mené le développement des

infrastructures de logiciels en partenariat avec l’Organisation mondiale des portails pour la

science du système Terre.


Ministère des Forêts, de la Faune et des Parcs iv

Résumé

La saison hivernale est la période la plus difficile pour les populations de cerfs de Virginie habitant

le nord de leur aire de répartition. En effet, la survie et le comportement des individus sont

influencés par les conditions météorologiques, principalement par l’abondance de neige au sol et

la température ambiante. L’utilisation d’indices de la rigueur des conditions hivernales permet de

moduler annuellement l’exploitation du cerf de Virginie en déterminant le nombre de permis de

chasse aux cerfs sans bois délivrés. Cette pratique est répandue dans le nord-est de l’Amérique

du Nord. Au Québec, l’indicateur de rigueur hivernal NIVA nécessite la prise de données

bimensuelles, et ce, tout au long de l’hiver. Cette activité engendre annuellement des coûts en

ressources humaines et matérielles.

L’objectif de ce projet était d’évaluer les effets probables des changements climatiques sur

l’indicateur NIVA et les répercussions sur la gestion du cerf de Virginie qui en découlent. Le projet

visait également à évaluer la possibilité de créer un indice de la rigueur des conditions hivernales

pour les cerfs de Virginie au Québec en utilisant les données couramment enregistrées dans les

stations météorologiques. Les résultats de l’étude montrent que selon les projections de l’indice

de rigueur hivernale, les hivers devraient devenir plus cléments pour les cerfs de Virginie au

courant du prochain siècle. Par contre, les conditions pourraient toujours être difficiles pour

plusieurs ravages au Québec et de nouveaux ravages pourraient apparaître vers le nord, affichant

des conditions hivernales similaires à ce qui est actuellement observé dans le sud du Québec.

Un indice de rigueur hivernale devrait donc être utile à court, moyen et long terme pour la gestion

de cette espèce au Québec.

La mesure d’enfoncement du cerf de Virginie dans la couche nivale (NIVA) a pu être estimée en

utilisant les données de l’abondance de neige au sol, la température moyenne, la quantité de

pluie tombée, le mois ainsi que l’altitude et les coordonnées géographiques provenant de stations

météorologiques d’Environnement et Changement climatique Canada. Ce nouvel indice de

rigueur hivernale estime d’une façon plus précise les conditions hivernales que l’indicateur NIVA.

Nous croyons donc qu’il est possible d’estimer avec une précision accrue l’indice de rigueur des

conditions hivernales à la fin de l’hiver, donnée qui peut ensuite être utilisée pour, entre autres,

déterminer le nombre de permis de chasse aux cerfs sans bois à délivrer. Nous avons créé un

fichier Excel simple d’utilisation qui sert à calculer ce nouvel indicateur de la rigueur des conditions


Ministère des Forêts, de la Faune et des Parcs v

hivernales. Cette nouvelle méthode peut donc être employée efficacement pour calculer un indice

de rigueur des conditions hivernales pour le cerf de Virginie et constitue ainsi un nouvel outil de

gestion pour cette espèce.


Ministère des Forêts, de la Faune et des Parcs vi

Table des matières

Résumé ..................................................................................................................................... iv

Table des matières .................................................................................................................... vi

Liste des tableaux ..................................................................................................................... vii

Liste des figures ......................................................................................................................... ix

Liste des annexes ...................................................................................................................... xi

Introduction ................................................................................................................................. 1

Aire d’étude ................................................................................................................................. 4

Méthodes .................................................................................................................................... 5

Collecte des données .............................................................................................................. 5

Analyses statistiques ............................................................................................................... 9

Relations entre l’indicateur NIVA, l’enfoncement et l’enneigement, et les caractéristiques physiques des stations de règles à neige ................................................... 9

Relations entre les caractéristiques physiques et les données météorologiques des stations météorologiques et l’enfoncement calculé aux stations de règles à neige ............. 10

Projection de l’indice de rigueur hivernale jusqu’en 2100 ................................................... 11

Comparaison de la fiabilité de l’indicateur NIVA et de l’indice de rigueur hivernale pour la gestion du cerf de Virginie ...................................................................................... 12

Résultats et discussion ............................................................................................................. 12

Relations entre l’indicateur NIVA, l’enfoncement et l’enneigement, et les caractéristiques physiques des stations de règles à neige ................................................. 12

Relations entre les caractéristiques physiques des stations et les données des stations météorologiques et l’enfoncement calculé aux stations de règles à neige ............. 13

Comparaison entre l’indicateur NIVA et l’indice de rigueur hivernale déterminé à partir des stations météorologiques.................................................................................... 21

Projection de l’indice de rigueur hivernale jusqu’en 2100 ................................................... 24

Conclusion ................................................................................................................................ 30

Références ............................................................................................................................... 32

Annexes .................................................................................................................................... 36


Ministère des Forêts, de la Faune et des Parcs vii

Liste des tableaux Tableau 1. Caractéristiques des 30 stations de règles à neige du MFFP au Québec. ................ 6

Tableau 2. Caractéristiques des 46 stations météorologiques d’Environnement et

Changement climatique Canada situées les plus proches des stations de règles à neige

utilisées pour évaluer l’indice NIVA au Québec. .......................................................................... 7

Tableau 3. Paramètres du modèle final de l’enfoncement du cerf de Virginie dans la

neige. ........................................................................................................................................ 14

Tableau 4 . Modèles évaluant l’effet de l’altitude (alt) et des coordonnées géographiques

(lat et long) sur l’indicateur NIVA annuel (n = 662) calculé à 30 stations de règles à neige

opérées par le MFFP entre 1975 et 2015. Certains modèles testent l’importance des

interactions entre les variables du modèle (*) ou si elles agissent indépendamment les

unes des autres (+). L’effet quadratique de l’altitude a également été évalué. L’année a

été intégrée en facteur aléatoire afin de considérer les mesures répétées. ............................... 16

Tableau 5. Modèles évaluant l’effet de l’altitude (alt), des coordonnées géographiques

(lat et long), du mois (Mois) et du jour dans l’année (Jour_jul) sur l’enfoncement à chacun

des relevés (n = 7132) calculé à 30 stations de règles à neige opérées par le MFFP entre

1975 et 2015. Certains modèles testent l’importance des interactions entre les variables

du modèle (*) ou si elles agissent indépendamment les unes des autres (+). L’effet

quadratique (exposant 2) de l’altitude a également été évalué. L’année a été intégrée en

facteur aléatoire afin de considérer les mesures répétées. ....................................................... 16

Tableau 6. Modèles évaluant la relation entre l’enfoncement à chacun des relevés

(n = 7132) calculés à 30 stations de règles à neige opérées par le MFFP entre 1975 et

2015 et la neige au sol (N), la température moyenne (Tmoy), la quantité de pluie

moyenne (Pmoy), le mois (Mois), l’altitude (Alt), la latitude (Lat), et la longitude (Long)

provenant de 46 stations météorologiques d’Environnement et Changement climatique

Canada. Les variables ont également été calculées rétroactivement de 1 semaine (_1)

jusqu’au début de l’hiver (_h). Le signe ∆ représente la différence entre la station

météorologique et le ravage. Certains modèles testent l’importance des interactions entre

les variables du modèle (*) ou si elles agissent indépendamment les unes des autres (+).

L’effet racine carrée (√) et cubique (∛) ont également été évalués. L’année a été intégrée

en facteur aléatoire afin de considérer les mesures répétées. ................................................... 17


Ministère des Forêts, de la Faune et des Parcs viii

Tableau 7 . Différence moyenne entre le NIVA mesuré dans chacune des stations de

règles à neige et l’indice de rigueur hivernale calculé selon la formule 1 entre 2008 et

2015. ......................................................................................................................................... 19

Tableau 8. Probabilité (en pourcentage) de classer l’indice de rigueur hivernale calculé

avec la formule 1 dans trois niveaux de rigueur (facile < 3000, intermédiaire = [3000,

5000], difficile > 5000) selon le classement du NIVA calculé aux 30 stations de règles à

neige entre 2008 et 2015. ......................................................................................................... 20

Tableau 9. Coefficient de détermination entre la variation de la récolte par rapport à celle

de l’année précédente et le NIVA mesuré dans les stations à neige ou l’indice de rigueur

hivernale déterminé selon la formule 1 par zone de chasse. ..................................................... 22

Tableau 10. Projection de l’indice de rigueur moyen lissé calculé selon la formule 1 en

2100 pour chacun des ravages produit à partir de prévision météorologique venant de

5 modèles CIMP5 forcés selon les scénarios RCP4.5 ou RCP8.5. ........................................... 26


Ministère des Forêts, de la Faune et des Parcs ix

Liste des figures Figure 1. Localisation des 30 stations munies de règles à neige (triangles verts) et des

46 stations météorologiques gérées par Environnement et Changement climatique

Canada (cercles rouges) dans le sud du Québec. ....................................................................... 4

Figure 2. Relation entre l’enfoncement observé de façon bimensuelle dans 30 stations

du MFFP munies de règles à neige de 1975 à 2015 et l’enfoncement calculé à partir de

46 stations météorologiques d’Environnement et Changement climatique Canada selon

la formule 1 pour le sud du Québec. Le modèle inclut une interaction entre l’épaisseur de

neige au sol, la température moyenne, la pluie, le mois, l’altitude, la latitude et la

longitude. La ligne rouge correspond à une relation parfaite. .................................................... 18

Figure 3. Relation entre le NIVA calculé dans 30 stations munies de règles à neige de

2008 à 2015 et l’indice de rigueur hivernale calculé à partir de 46 stations

météorologiques d’Environnement et Changement climatique Canada selon la formule 1

pour le sud du Québec. Le modèle inclut une interaction entre l’épaisseur de neige au

sol, la température moyenne, la pluie, le mois, l’altitude, la latitude et la longitude, La

ligne rouge correspond à une relation parfaite. ......................................................................... 20

Figure 4. Relation entre l’indice de rigueur hivernale et le taux de mortalité des cerfs

dans quatre ravages du Québec, Les deux indices présentés sont : le NIVA calculé à

partir des stations à neige (carrés, bleu) et l’indice calculé selon la formule 1 (cercles,

noir). ......................................................................................................................................... 21

Figure 5. Relation entre le NIVA calculé aux stations à neige et la proportion d’accidents

routiers annuels par zone de chasse au Québec. ..................................................................... 23

Figure 6. Relation entre l’indice de rigueur hivernale et la proportion d’accidents routiers

annuels par zone de chasse au Québec. .................................................................................. 24

Figure 7. Moyenne des projections de l’indice de rigueur hivernale moyen lissé calculé

selon la formule 1 jusqu’en 2100 produit à partir de prévision météorologique venant de

5 modèles CIMP5 forcés selon les scénarios RCP4,5 (ligne pleine) ou RCP8,5 (ligne

pointillée) pour l’ensemble des 30 ravages. Les intervalles de confiances à 95 % sont

présentés en bleu (RCP4,5) et gris (RCP8,5). La ligne rouge représente la limite

supérieure d’un hiver considéré comme facile pour le cerf de Virginie. ..................................... 25

Figure 8. Indice de rigueur hivernale pour le cerf de Virginie en 2016, 2050 et 2100

produit à partir de prévision météorologique venant de 5 modèles CIMP5 forcés selon les

scénarios RCP4,5 (A) ou RCP8,5 (B) pour le Québec méridional. ............................................ 28


Ministère des Forêts, de la Faune et des Parcs x

Figure 8. (Suite). ...................................................................................................................... 29


Ministère des Forêts, de la Faune et des Parcs xi

Liste des annexes Annexe 1. Modèles évaluant l’effet de l’altitude (alt) et des coordonnées géographiques

(lat et long) sur l’enfoncement maximal annuel (n = 662) calculé à 30 stations de règles

à neige gérées par le MFFP de 1975 à 2015. Certains modèles testent s’il existe des

relations entre les variables du modèle (*) ou si elles agissent indépendamment les unes

des autres (+), L’effet quadratique (exposant 2) de l’altitude a également été évalué.

L’année a été intégrée en facteur aléatoire afin de considérer les mesures répétées. .............. 37

Annexe 2. Modèles évaluant l’effet de l’altitude (alt) et des coordonnées géographiques

(lat et long) sur l’enfoncement moyen annuel (n = 662) calculé à 30 stations de règles à

neige gérées par le MFFP de 1975 àt 2015. Certains modèles testent s’il existe des


des autres (+), L’effet quadratique (exposant 2) de l’altitude et la triple interaction (:) ont

également été évalués. L’année a été intégrée en facteur aléatoire afin de considérer les

mesures répétées. .................................................................................................................... 38


(lat et long) sur l’enfoncement cumulatif annuel (n = 662) calculé à 30 stations de règles






(lat et long) sur l’enneigement maximal annuel (n = 662) calculé à 30 stations de règles





Annexe 5 Modèle évaluant l’effet de l’altitude (alt) et des coordonnées géographiques

(lat et long) sur l’enneigement moyen annuel (n = 662) calculé à 30 stations de règles à

neige gérées par le MFFP de 1975 à 2015. Certains modèles testent s’il existe des


des autres (+). L’effet quadratique (exposant 2) de l’altitude a également été évalué.



Ministère des Forêts, de la Faune et des Parcs xii


(lat et long) sur l’enneigement cumulatif annuel (n = 662) calculé à 30 stations de règles



des autres (+). L’effet quadratique (exposant 2) de l’altitude a également été évalué.



(lat et long) sur le nombre moyen de jours de plus de 50 cm d’enfoncement annuellement

(n = 662) calculé à 30 stations de règles à neige gérées par le MFFP de 1975 à 2015.

Certains modèles testent s’il existe des relations entre les variables du modèles (*) ou si

elles agissent indépendamment les unes des autres (+). L’effet quadratique (exposant 2)

de l’altitude a également été évalué. L’année a été intégrée en facteur aléatoire afin de

considérer les mesures répétées. ............................................................................................. 43


(lat et long) sur le nombre cumulatif de jours de plus de 50 cm d’enfoncement

annuellement (n = 662) calculé à 30 stations de règles à neige gérées par le MFFP de

1975 à 2015. Certains modèles testent s’il existe des relations entre les variables du

modèles (*) ou si elles agissent indépendamment les unes des autres (+). L’effet




(lat et long) sur le nombre moyen de jours de plus de 50 cm d’enneigement annuellement


Certains modèles testent s’il existe des relations entre les variables du modèles (*) ou si

elles agissent indépendamment les unes des autres (+). L’effet quadratique (exposant 2)

de l’altitude a également été évalué. L’année a été intégrée en facteur aléatoire afin de

considérer les mesures répétées. ............................................................................................. 45


(lat et long) sur le nombre cumulatif de jours de plus de 50 cm d’enneigement

annuellement (n = 662) calculé à 30 stations de règles à neige gérées par le MFFP de


modèles (*) ou si elles agissent indépendamment les unes des autres (+). L’effet

quadratique (exposant 2) de l’altitude et la triple interaction (:) ont également été évalués.



Ministère des Forêts, de la Faune et des Parcs xiii


(lat et long) sur le nombre de jours entre le premier et le dernier relevé (n = 662) calculé

à 30 stations de règles à neige gérées par le MFFP de 1975 à 2015. Certains modèles

testent s’il existe des relations entre les variables du modèle (*) ou si elles agissent

indépendamment les unes des autres (+). L’effet quadratique (exposant 2) de l’altitude a

également été évalué. L’année a été intégrée en facteur aléatoire afin de considérer les

mesures répétées. .................................................................................................................... 47

Annexe 12. Modèles évaluant l’effet de l’altitude (alt), des coordonnées géographiques

(lat et long), du mois (Mois) et du jour dans l’année (Jour_jul) sur l’enneigement à chacun

des relevés (n = 7132) calculé à 30 stations de règles à neige gérées par le MFFP de


modèle (*) ou si elles agissent indépendamment les unes des autres (+). L’effet




Ministère des Forêts, de la Faune et des Parcs 1

Introduction

Le cerf de Virginie (Odocoileus virginianus) a récemment agrandi son aire de répartition vers le

nord (Côté et coll., 2004). Plusieurs hypothèses ont été émises pour expliquer ce phénomène,

mais la modification des caractéristiques de la neige en hiver, causé par le réchauffement

climatique global, est l’une de celles ayant reçu le plus de soutien (Dawe et coll., 2014). De plus,

les changements climatiques auraient allongé la saison de croissance de la végétation dans les

forêts boréales (Jarvis et Linder 2000), ce qui aurait entraîné l’augmentation des ressources

alimentaires pour le cerf favorisant sa survie et sa productivité. Par contre, dans les régions où

les hivers sont rigoureux, les conditions climatiques influencent toujours le comportement (Olson

et coll., 2015) et la survie des cerfs (DelGiudice et coll., 2013).

L’hiver est la période de l’année la plus difficile pour le cerf de Virginie dans le nord de son aire

de répartition. Par exemple, au cours de six années au Minnesota, 84 % des morts sont

survenues de novembre à mai (DelGuidice et coll., 2002). Durant cette saison, les conditions

météorologiques, principalement la température et l’abondance de neige au sol, seraient les

principaux facteurs influençant le comportement et la survie des individus (DelGiudice et coll.,

2013). En effet, une diminution de la température, même en absence de neige, inciterait les cerfs

à diriger vers les ravages hivernaux, qui offrent une protection thermique accrue en raison de la

présence de conifères (Ozoga et Gysel 1972). La quantité de neige au sol a toutefois un effet

négatif plus important sur la survie et la dynamique des populations de cette espèce. Une

augmentation de l’abondance de neige au sol restreint la mobilité des individus, augmente les

coûts énergétiques liés à la locomotion et réduit la disponibilité de la nourriture (Morrison et coll.,

2003, Massé et Côté 2013), en plus de rendre les cerfs plus vulnérables à la prédation

(DelGuidice et coll., 1998). Le taux de survie du cerf diminuerait grandement lorsque l’épaisseur

de la couche nivale dépasse 40 à 50 cm (Tierson et coll., 1985, Morrison et coll., 2003). Par

contre, l’augmentation de la vulnérabilité à la prédation et la réduction de la mobilité des cerfs

seraient principalement dues à l’enfoncement des individus dans la neige plutôt qu’à l’épaisseur

de celle-ci.

La plupart des provinces et États du nord-est de l’Amérique du Nord utilisent des indices de

rigueur des conditions hivernales basés sur les conditions météorologiques pour la gestion du

cerf de Virginie. Au Québec, la gestion du nombre de permis vendus pour la chasse aux cerfs



sans bois se base, entre autres, sur l’indicateur NIVA, soit la somme de l’enfoncement quotidien

de la première neige à la fonte totale. Cet indicateur intègre les effets combinés de l’enfoncement

du cerf dans la neige et de la longueur de l’hiver (Potvin et Breton 1992). Il existe une relation

entre l’indice NIVA et la survie des cerfs (r2 = 0.81) et il permet de prévoir 66 % des hivers

rigoureux dès la fin de janvier (Potvin et Breton 1992). Par contre, il nécessite des travaux sur le

terrain, notamment la mesure de l’enfoncement à l’aide d’un pénétromètre calibré pour le cerf, et

de l’épaisseur de neige au sol. Ces données doivent être colligées toutes les deux semaines tout

au long de l’hiver, engendrant des coûts en ressources humaines et matérielles.

L’enfoncement d’un cerf dans la neige dépend à la fois de ses caractéristiques physiques, telles

que la longueur de la patte, la surface portante, le poids et la vélocité de son déplacement (Parker

et coll., 1984, Renard et coll., 2008), mais aussi essentiellement de deux caractéristiques

physiques de la neige : la densité et la dureté (Skogland 1978). La densité de la neige réfère à

sa masse par volume, habituellement exprimée en kilogrammes par mètre cube. Une densité

plus élevée est engendrée par des températures plus chaudes ou des vents plus forts et elle

augmente avec le temps à cause de la compaction de la neige. La dureté de la neige fait plutôt

référence à la force requise pour produire une dépression à sa surface et est souvent déterminée

à l’aide d’un pénétromètre (Pielmeier et Schneebeli 2002). Lorsque la densité de la neige

augmente, l’enfoncement d’un animal diminue (Bunnell et Jones 1984) et une croûte de neige

très résistante peut même supporter un cerf (Bunnell et coll., 1990a). En suivant un cerf mulet

(Odocoileus hemionus) captif, Bunnell et coll., (1990 b) ont démontré que l’épaisseur de neige

n’était pas efficace pour prédire l’enfoncement du cerf, mais que ce dernier pouvait être prédit à

65 % par la densité (Enfoncement = -7,94 * ln[Densité]) et à 86 % par la densité et la dureté de

la neige (Enfoncement = 23,03 – 29,13 * Densité – 0,003 * Dureté).

La densité de la neige est influencée par les conditions météorologiques (Judson et

Doesken 2000, Pomeroy et Brun 2001). En effet, celle-ci pourrait être prédite à 84 % par la

température [Densité = 67,9 + 51,25 * ��é��

�, � ; Hedstrom et Pomeroy 1998] ou à 84 % par

une interaction entre la température et la vitesse moyenne du vent de novembre à mars (Densité

= 0,152 – 0,0031 * Température + 0,019 * Vitesse du vent; Bilello 1969). De plus, la densité de

la neige pourrait être prédite à 70 % par la dureté de la neige (0,03 + 0,05 * ln[Dureté];

Skogland 1978). Par conséquent, il serait théoriquement possible d’estimer l’enfoncement des

cerfs dans la neige à partir des données appropriées collectées à des stations météorologiques

et ainsi évaluer la rigueur des conditions hivernales sans devoir effectuer des mesures directes



avec un pénétromètre sur le terrain. Cela permettrait d’alléger considérablement la logistique

associée à la collecte des données, de même que les coûts en ressources humaines et

matérielles.

Le réchauffement climatique devrait avoir un effet plus marqué durant la saison froide

(IPCC 2013). On prévoit donc une diminution de la variabilité inter-saisonnière, principalement

quant à la fréquence des précipitations sous forme de neige (Krasting et coll., 2013). Par contre,

à cause de l’augmentation du taux d’humidité atmosphérique découlant d’une évaporation

accrue, la quantité de neige ou de pluie tombée par tempête sera plus importante (Chaumond et

Brown 2010, Hansen et coll., 2011). Ces modifications des conditions hivernales pourraient avoir

un effet important sur la survie des cerfs et la dynamique des populations telles qu’elles sont

observées actuellement. Il s’avère donc crucial de projeter les conditions climatiques hivernales

afin d’évaluer la pertinence de conserver un indice de rigueur hivernale et d’adapter, d’une façon

proactive, la gestion du cerf.

L’objectif de ce projet était d’évaluer les effets probables des changements climatiques sur

l’indicateur NIVA et les conséquences sur la gestion du cerf de Virginie qui en découlent. Le projet

visait également à évaluer la possibilité de créer un indice de la rigueur des conditions hivernales

pour les cerfs de Virginie au Québec en utilisant les données couramment enregistrées dans les

stations météorologiques. Pour ce faire, nous avons tenté d’établir s’il était possible de prédire

l’indicateur NIVA, calculé de façon standard avec les données recueillies aux stations de règles

à neige, en utilisant les données météorologiques collectées à diverses stations météorologiques

appartenant au réseau d’Environnement et Changement climatique Canada.



Aire d’étude Les données NIVA provenant de 30 stations de règles à neige situées dans le sud du Québec,

en plein cœur de l’aire de répartition du cerf de Virginie au Québec, ont été utilisées (Figure 1).

Ces stations de règles à neige, gérées par le ministère des Forêts, de la Faune et des

Parcs (MFFP), étaient situées dans des peuplements mixtes et, lorsque possible, à proximité de

ravages de cerfs de Virginie (Potvin et Breton 1986), à une altitude variant de 65 à 518 m. Les

données de 46 stations météorologiques situées à une altitude variant de 15 à 426 m ont

également été utilisées (Figure 1).

Figure 1. Localisation des 30 stations munies de règles à neige (triangles verts) et des 46 stations

météorologiques gérées par Environnement et Changement climatique Canada

(cercles rouges) dans le sud du Québec.



Méthodes

Collecte des données

Depuis 1975, l’épaisseur du couvert de neige au sol ainsi que l’enfoncement dans la neige calculé

à l’aide d’un pénétromètre calibré pour le cerf ont été mesurés, toutes les deux semaines environ,

dans les stations avec règles à neige, et ce, à partir de la première neige jusqu’à la fonte totale.

La méthode utilisée est décrite en détail dans Crête et Goudreau (1974). Par contre, le suivi de

chaque station ne couvre pas nécessairement l’ensemble de cette période (Tableau 1).

Nous avons acquis les données de toutes les stations météorologiques d’Environnement et

Changement climatique Canada situées à moins de 30 km des stations avec règles à neige pour

les années où les stations du MFFP ont été suivies

(http://climat.meteo.gc.ca/historical_data/search_historic_data_f.html).

Les données obtenues sont la température quotidienne (minimale, maximale et moyenne) ainsi

que les précipitations quotidiennes de neige ou de pluie. Chaque station de règles à neige a été

jumelée avec la station météorologique la plus proche (Tableau 2).



Tableau 1. Caractéristiques des 30 stations de règles à neige du MFFP au Québec.

Station Latitude

(° décimaux)

Longitude (° décimaux)

Altitude (m)

Première année du

suivi

Dernière année du

suivi Armagh 46,75944 -70,61194 311 1976 2015

Armstrong 45,96194 -70,41333 391 1977 2015 Ashberish 47,81028 -68,88163 244 1977 2015

Calway 46,28556 -70,81528 230 2003 2015 Cap-Santé 46,68777 -71,79054 65 1999 2014 Cascapédia 48,36790 -66,00001 382 1981 2015 Causapscal 48,39777 -67,13642 320 1998 2015

Chertsey 46,13079 -73,88059 311 1976 2015 Duchénier 48,20057 -68,52758 203 1997 2015 Duhamel 46,00555 -75,07972 214 2009 2015 Gaspé 48,81150 -64,91067 252 1980 2015

Golf du Grand-Portneuf 46,79440 -71,74907 109 1999 2013 Grande-Rivière 47,13861 -69,97611 354 1977 2015 Hemmingford 45,03861 -73,66250 80 2011 2015

Hillhead 45,68111 -74,23167 128 1976 2015 Island-Brook 45,36694 -71,52306 310 1986 2015

Knowlton 45,17361 -72,55056 252 1980 2015 Lady Smith 45,65166 -76,37555 175 2009 2015 La-Louise 45,51861 -70,85167 518 1986 2015 Lac Meech 45,56475 -75,90278 205 1985 2002 Maniwaki 45,356944 -75,88722 210 1992 2005

Pohénégamook 47,49532 -69,26311 518 1977 2015 Saint-Calixte 45,90775 -73,82733 122 1998 2015

Sainte-Anne-des-Monts 48,99197 -66,35325 391 2000 2015 Sainte-Christine 45,61194 -72,45639 165 1997 2015 Sainte-Eulalie 46,07753 -72,25956 92 1999 2015

Saint-Jacques de Leeds 46,29997 -71,38400 205 1999 2015 Tawachiche 46,98722 -72,39875 337 2008 2015

Venosta 45,87028 -76,06888 178 2009 2015 Watopéka 45,55083 -71,89167 213 1988 2015

Évaluation de la rigueur des conditions hivernales pour le cerf de V

irginie à partir des données m

étéorologiques : effets des scénarios de changements clim

atiques sur l’indicateur NIV

A

Min

istère

de

s Fo

rêts, d

e la

Fa

un

e e

t de

s Pa

rcs

7

Tableau 2. Caractéristiques des 46 stations météorologiques d’Environnement et Changement climatique Canada situées les plus proches des stations de règles à neige utilisées pour évaluer l’indice NIVA au Québec.

Station météorologique

Station de règle à neige la plus proche

Latitude (°

décimaux)


Altitude (m)

Différence d’altitude entre les 2 stations

Distance de la station de règle

à neige (km) Armagh Station Armagh 46,71667 -70,61667 312 1 5

Saint-Michel Armagh 46,86667 -70,88333 69 242 25 Saint-Théophile Armstrong 45,93333 -70,48333 395 4 6

Squateck Asbérish 47,88333 -68,70000 198 46 17 Rivière-du-Loup Asbérish 47,81000 -69,55000 147 97 55

Beauceville Calway 46,20500 -70,78500 229 1 9 Vallée-Jonction Calway 46,38000 -70,93000 152 78 14 Donnacona 2 Cap-Santé 46,68333 -71,73333 46 19 5 Deschambault Cap-Santé 46,66667 -71,91667 15 50 11 New Richmond Cascapédia 48,16667 -65,80000 47 335 28

Charlo Auto Cascapédia 47,99000 -66,33000 42 340 50 Causapscal Causapscal 48,36667 -67,23333 168 152 9

Saint-Hippolyte Chertney 45,98333 -74,00000 366 55 19 Sainte-Trinité des

Monts Duchénier 48,13333 -68,48333 262 59 8

Rimouski Duchénier 48,45000 -68,52000 36 167 28 Duhamel Duhamel 46,01667 -75,08333 244 30 1

Chénéville Duhamel 45,90000 -75,08333 223 9 12 Fontenelle Gaspé 48,93333 -64,65000 15 237 26 Gaspé A Gaspé 48,78000 -64,48000 34 218 37

Duchesnay Golf du Grand Portneuf 46,86667 -71,65000 166 57 11 Donnacona 2 Golf du Grand Portneuf 46,68333 -71,73333 46 63 12

Sainte-Christine Golf du Grand Portneuf 46,81667 -71,91667 152 43 14 Sainte-Perpétue Grande-Rivière 47,05000 -69,93333 411 57 10 Saint-Damase Grande-Rivière 47,20000 -70,13333 274 80 15 Lapocatiere Grande-Rivière 47,35583 -70,03194 31 323 24 Sainte-Lucie Grande-Rivière 46,73000 -70,02000 373 19 45

Hemmingford 4 Winds Hemmingford 45,06667 -73,71667 61 19 5

Lachute Hillhead 45,65000 -74,33333 91 37 9 Sawyerville Nord Island Brook 45,36667 -71,53333 346 36 1

Évaluation de la rigueur des conditions hivernales pour le cerf de V

irginie à partir des données m

étéorologiques : effets des scénarios de changements clim

atiques sur l’indicateur NIV

A

Min

istère

de

s Fo

rêts, d

e la

Fa

un

e e

t de

s Pa

rcs

8

Station météorologique

Station de règle à neige la plus proche

Latitude (°

décimaux)


Altitude (m)

Différence d’altitude entre les 2 stations

Distance de la station de règle

à neige (km) Brome Knowlton 45,18333 -72,56667 206 46 2 Sutton Knowlton 46,02000 -71,95000 140 112 8

Shawville Ladysmith 45,61667 -76,46667 168 7 8 Charteris Ladysmith 45,68333 -76,43333 168 7 6

Lac Mégantic 2 La Louise 45,60000 -70,86667 426 92 9 Luskville Lac Meech 45,53000 -76,05000 69 136 12

Ottawa CDA Maniwaki 45,38000 -75,72000 79 131 14 Sainte-Leuthère Pohénégamook 47,48333 -69,28333 290 228 2 Rivière-du-Loup Pohénégamook 47,81000 -69,55000 147 371 42 Saint-Hippolyte Saint-Calixte 45,98333 -74,00000 366 244 16

Cap-Seize Sainte-Anne-des-Monts 49,01667 -66,40000 229 162 5

South Durham Sainte-Christine 45,63333 -72,35000 191 26 9 Durham Sud Sainte-Christine 45,63333 -72,35000 191 26 9 Saint-Nazaire Sainte-Christine 45,73333 -72,61667 69 96 19

Saint-Wenceslas Sainte-Eulalie 46,16667 -72,33333 84 8 12 Arthabaska Sainte-Eulalie 46,17000 -72,33000 84 8 12

Saint-Pierre-Broughton

Saint-Jacques de Leeds 46,25000 -71,21667 366 161 15

Lac-aux-sables Tawachiche 46,86667 -72,40000 160 177 13 Wright Venosta 45,90000 -75,08333 142 36 22

Bromptonville Watopéka 45,48333 -71,95000 130 83 9



Analyses statistiques

Relations entre l’indicateur NIVA, l’enfoncement et l’enneigement, et les

caractéristiques physiques des stations de règles à neige

Nous avons tout d’abord vérifié l’effet de plusieurs variables géographiques, ayant

potentiellement une influence sur les conditions météorologiques locales, c’est-à-dire sur les

données collectées aux stations de règles à neige du MFFP. Cette analyse permet de vérifier la

possibilité d’améliorer l’évaluation de l’indicateur NIVA au cœur d’un ravage en utilisant les

données collectées aux stations de règles à neige situées à proximité du ravage. Des modèles

linéaires généralisées à effets mixtes ont été utilisés afin de considérer les mesures répétées

entre les années. L’analyse des données a été réalisée avec le logiciel Matlab (fitglme,

Mathworks, Natick, Massachusetts, États-Unis),

Données annuelles

Nous avons évalué l’effet de l’altitude, de la longitude et de la latitude (en mètres), sur les valeurs

annuelles du NIVA, de l’enfoncement (maximal, moyen et cumulatif), de l’enneigement (maximal,

moyen et cumulatif), du nombre de jours avec un enfoncement de plus de 50 cm (moyen et

cumulatif), du nombre de jours avec un enneigement de plus de 50 cm (moyen et cumulatif) et,

finalement, sur le nombre de jours entre le premier et dernier relevé. L’année a été utilisée comme

facteur aléatoire dans tous les modèles,

Données bimensuelles

Par la suite, des modèles similaires ont été refaits, avec les mêmes variables prédictives et le

même facteur aléatoire, mais avec seulement l’enfoncement et l’enneigement comme variables

dépendantes, pour évaluer ces relations sur une base bimensuelle. Les autres variables réponses

n’ont pas été utilisées étant donné qu’elles dépendent du temps et que celui-ci n’est pas

exactement constant entre les relevés,

Aussi bien pour les analyses annuelles que bimensuelles, l’effet quadratique de la variable

altitude a été testée pour déterminer la présence d’un seuil, puis des modèles avec et sans

interactions entre les variables prédictives ont été construits. Le critère d’information d’Akaïke

(AICc) corrigé selon la taille réelle de l’échantillon (Lebreton et coll., 1992) a été utilisé pour



sélectionner le meilleur modèle (plus faible AICc) et classer les autres modèles selon leur

déviation relative par rapport au meilleur modèle (∆AICc),

Relations entre les caractéristiques physiques et l es données

météorologiques des stations météorologiques et l’e nfoncement calculé

aux stations de règles à neige

La même méthode a été utilisée pour déterminer le lien entre les données collectées aux stations

météorologiques d’Environnement et Changement climatique Canada et l’enfoncement mesuré

à la station de règles à neige du MFFP la plus proche. Cette analyse a été réalisée en utilisant

seulement l’enfoncement comme variable dépendante, car c’est la seule variable employée dans

le calcul du NIVA. Cette analyse permet d’évaluer la possibilité d’obtenir un indice de rigueur

hivernale semblable à l’indicateur NIVA au cœur d’un ravage en utilisant des données provenant

de stations météorologiques,

Dans les modèles, en plus du mois, de l’altitude, de la longitude et de la latitude, les variables

prédictives suivantes, mesurées aux stations météorologiques, ont été considérées : l’épaisseur

de neige au sol, la température (moyenne, maximale et minimale) et la quantité de précipitations

sous forme de pluie. L’année a été utilisée comme facteur aléatoire et l’enfoncement à la station

de règles à neige la plus proche comme variable réponse. L’effet des variables explicatives a été

évalué de deux manières, soit en utilisant les valeurs (1) cumulatives ou (2) moyennes de la

neige, la température et la pluie pour une période rétroactive allant de la journée précédant la

lecture d’enfoncement jusqu’au début de l’hiver. De plus, nous avons testé les effets quadratiques

de l’altitude, qui pourrait signifier qu’il tombe plus de neige au sommet d’une montagne qu’en bas,

les effets racine carrée de l’abondance de neige au sol, qui pourrait impliquer qu’une même

augmentation de neige a un effet plus grand lorsqu’il y a peu de neige au sol, et les effets racines

cubique de la température, pour la même raison que la racine carrée mais étant donné le signe

négatif pour plusieurs valeurs de température, la racine carrée n’est pas possible. La relation

racine carrée de l’abondance de neige au sol et racine cubique de la température est utilisée pour

prédire la densité de la neige en Russie et au Japon (Meløysund et coll., 2007). Ces effets

permettent d’évaluer la présence de différents seuils et ainsi d’obtenir la relation la plus réaliste

possible et prévoir la rigueur hivernale. La sélection de modèles a été effectuée à l’aide de

l’approche AICc, décrite plus haut,



Projection de l’indice de rigueur hivernale jusqu’e n 2100

Nous avons estimé les valeurs climatiques quotidiennes futures de quantité de pluie,

d’abondance de neige au sol et de température en utilisant des modèles de la cinquième phase

du « Coupled Model Intercomparaison Project » (CMIP5) produits par le « Intergovernmental

Panel on Climate Change » (IPCC; IPCC 2013, Jenouvrier 2013). Nous avons utilisé les données

de conditions météorologiques observées aux stations météorologiques d’Environnement et

Changement climatique Canada pour corriger les biais dans les modèles climatiques en utilisant

une analyse quantile avec une fenêtre mobile (Cannon et coll., 2015). Cette méthode calcule la

différence, pour chaque percentile, entre la fonction de répartition (« cummulative distribution

function [CDF] ») des données observées et celle de la simulation pour ces mêmes données pour

ensuite appliquer ce biais à la simulation future. La fenêtre mobile est centrée sur chaque journée

et calcule la moyenne des données des jours avant et après. Cela permet d’éviter des

changements abrupts dans les données.

Afin de considérer les incertitudes dans les modèles, nous avons utilisé deux forçages radiatifs :

le « Representative Concentration Pathway » 4,5 (RCP4,5) et 8,5 (RCP8,5). Ces forçages

correspondent à deux trajectoires différentes de concentrations des gaz à effet de serre jusqu’en

2100 qui anticipent l’évolution socio-économique globale influençant l’émission des gaz et les

changements climatiques. Par exemple, le scénario RCP8,5 assume une trajectoire

exponentielle de l’émission des gaz à effet de serre jusqu’e 2100 (Riahi et coll., 2011) tandis que

le scénario RCP4,5 suppose qu’elle se stabilisera au milieu du siècle (Thompson et coll., 2011).

L’utilisation de plusieurs scénarios de changements climatiques est importante pour évaluer

l’étendue des effets potentiels des changements climatiques (Moss et coll., 2010).

Nous avons utilisé 10 simulations provenant de cinq modèles globaux climatiques pour considérer

les incertitudes dans les projections climatiques (p,ex, les circulations océaniques et

atmosphériques, l’utilisation et la gestion du territoire) et les variations naturelles du climat

(Jenouvrier et coll., 2012). Précisément, nous avons lissé les données provenant de chacune de

ces simulations en utilisant un « Gaussian kernel smoother » avec un paramètre de lissage de 2

(Jenouvrier et coll., 2009). Par la suite, nous les avons utilisées pour projeter l’indice de rigueur

hivernale à partir de la formule 1 jusqu’en 2100.



Comparaison de la fiabilité de l’indicateur NIVA et de l’indice de rigueur

hivernale pour la gestion du cerf de Virginie

Nous avons comparé la relation entre l’indicateur NIVA ou l’indice de rigueur hivernale calculé à

partir de la formule 1 (voir plus bas) et trois variables : (1) la mortalité hivernale dans quatre

ravages (Island Brook, Vénosta, Pohénégamook et Armstrong), (2) la récolte de mâles adultes et

(3) le nombre d’accidents routiers provenant des données de la Société de l’Assurance

Automobile du Québec (SAAQ). La mortalité hivernale dans les quatre ravages pour certaines

années entre 1976 et 1988 provient des données tirées de Potvin et Breton (1992) tandis que les

deux autres variables ont été fournies par le MFFP et le ministère des Transports, de la Mobilité

durable et de l’Éducation des transports (MTMDET). La variation de la récolte de mâles adultes

reflète bien la variation de la densité de la population de cerfs (Potvin 1989). Nous avons donc

calculé la variation annuelle de la récolte par rapport à celle de l’année précédente ou par rapport

à la moyenne des trois années précédentes (Potvin et Breton 1992). La même variation a

également été évaluée pour les accidents routiers. Nous avons utilisé le coefficient de corrélation

(R2) pour comparer les deux indicateurs. Cette analyse permet d’évaluer la justesse et la fiabilité

de l’indice de rigueur hivernale par rapport à l’indicateur NIVA.

Résultats et discussion

En tout, 776 données annuelles et 8320 données bimensuelles ont été considérées pour

l’ensemble des 30 stations de règles à neige du MFFP. Les 46 stations météorologiques

d’Environnement et Changement climatique Canada ont fourni un équivalent de 363 879 journées

de données.

Relations entre l’indicateur NIVA, l’enfoncement et l’enneigement, et les

caractéristiques physiques des stations de règles à neige

Données annuelles

Les variations de l’indice NIVA (Tableau 4), ainsi que de toutes les autres variables annuelles se

rapportant à l’enfoncement et à l’enneigement aux stations de règles à neige (Annexes 1 à 11),

étaient influencées par une interaction entre l’altitude, la longitude et la latitude des stations



échantillonnées. Par conséquent, la différence entre les données collectées aux stations

météorologiques et aux règles à neige doit être en partie corrigée en tenant compte des effets

des coordonnées géographiques et de l’altitude. Idéalement, cette correction devrait donc aussi

être utilisée pour estimer les conditions dans les ravages à partir des conditions observées aux

règles à neige.

Données bimensuelles

Les données d’enfoncement (Tableau 5), ainsi que d’enneigement (annexe 12), collectées de

façon bimensuelle aux stations de règles à neige, étaient influencés par l’altitude, la longitude, la

latitude et le mois. Par conséquent, ces variables peuvent être utilisées pour moduler les valeurs

d’enfoncement de l’indicateur NIVA mesurées dans les stations de règles à neige pour prévoir la

rigueur des conditions hivernales dans les ravages.

Comme les données de neige sont mesurées à proximité d’un ravage, mais pas directement dans

celui-ci, les cerfs peuvent avoir à affronter des conditions différentes en hiver au cœur du ravage.

En utilisant les résultats de ces premières analyses, il serait possible d’adapter l’indicateur NIVA

au ravage en comparant ses coordonnées géographiques avec celles de la station de règles à

neige. Cette solution permettrait d’améliorer la gestion du cerf en réduisant l’écart entre la rigueur

hivernale mesurée aux stations à neige et celle qui prévaut dans les ravages. Il faudrait toutefois

continuer à collecter des mesures de neige périodiquement au courant de l’hiver.

Relations entre les caractéristiques physiques des stations et les

données des stations météorologiques et l’enfonceme nt calculé aux

stations de règles à neige

Les variations de l’enfoncement calculé aux stations de règles à neige pouvaient être prédites à

79 % avec les variables mesurées aux stations météorologiques (Tableau 6, Figure 2) selon la

formule 1 :

ln(Enfoncement) =

� +�� + �� !é#�$�#� �%�&&�'é()�*+,-.

/ + 01$é�!��'é()�*+,-.2 ∗ 45��

+ 6∆8�$�$�9� + :∆;�$�$�9� + <∆;�&��$�9�



où l’épaisseur de neige au sol au temps t est évaluée en centimètres, la température moyenne

depuis le début de l’hiver au temps t en degrés C, la quantité moyenne de pluie tombée depuis

le début de l’hiver au temps t en millimètres, la différence d’altitude en mètres, la différence de

latitude et longitude en mètres (coordonnées UTM). De plus, ∆ représente la différence entre les

stations de règles à neige et les stations météorologiques. Les valeurs des paramètres se

trouvent au Tableau 3.

Tableau 3. Paramètres du modèle final de l’enfoncement du cerf de Virginie dans la neige.

Effet Estimé Erreur type DDL Valeur de T P

Intercepte 1,8279000 0,035 3005 49,30 < 0,001 Neige 0,2523200 0,004 3005 60,94 < 0,001

Température -0,0856080 0,017 3005 -8,69 < 0,001

Pluie 0,0009795 0,007 3005 -4,06 < 0,001

Janvier 0,0000001 0,076 3005 1,94 0,055 Février 0,0000030 0,118 3005 2,67 0,008 Mars -0,0509170 0,164 3005 -15,60 < 0,001

Avril 0,6694200 0,335 3005 -10,20 < 0,001

Novembre 1,1613000 0,064 3005 -3,70 < 0,001

Décembre 0 NA Neige*Janvier 0,9166900 0,005 3005 0,01 < 0,001

Neige*Février 0,3074400 0,005 3005 0,01 < 0,001

Neige*Mars -0,2874500 0,005 3005 0,01 < 0,001

Neige*Avril -0,0560880 0,006 3005 0,01 < 0,001

Neige*Novembre -0,1081500 0,014 3005 4,75 < 0,001

Neige*Décembre 0 NA Température*Janvier -0,1057600 0,036 3005 -3,57 < 0,001

Température*Février -0,0823800 0,055 3005 -4,01 < 0,001

Température*Mars 0,0477630 0,077 3005 -19,80 < 0,001

Température*Avril 0,0912710 0,161 3005 -10,40 < 0,001

Température*Novembre 0,1447700 0,028 3005 4,52 < 0,001

Température*Décembre 0 NA Pluie*Janvier 0,1803500 0,013 3005 -9,31 < 0,001

Pluie*Février 0,1725100 0,018 3005 -12,80 < 0,001

Pluie*Mars 0,0670950 0,026 3005 -6,49 < 0,001

Pluie*Avril -0,1445900 0,052 3005 1,10 0,272 Pluie*Novembre -0,1993300 0,013 3005 1,97 0,050 Pluie*Décembre 0 NA

Altitude -0,2043900 0,000 3005 31,90 < 0,001

Latitude -0,0740000 0,038 3005 14,10 < 0,001

Longitude 0,0348780 0,019 3005 -12,90 < 0,001

La formule 1 prédit bien les conditions calculées aux stations à neige à partir de données

provenant de stations météorologiques. La différence observée entre le NIVA et l’indicateur de

rigueur pourrait être causée par la méthode utilisée pour les évaluer. En effet, le NIVA est calculé



à partir de données d’enfoncement mesurées toutes les deux semaines et extrapolées

linéairement entre les relevés. La formule 1 évalue quotidiennement l’enfoncement en utilisant

les données des stations situées à proximité des ravages mesurées tous les jours. Par

conséquent, la formule 1 pourrait donner des résultats plus précis sur les conditions de rigueur

hivernale réelle.



Tableau 4. Modèles évaluant l’effet de l’altitude (alt) et des coordonnées géographiques (lat et

long) sur l’indicateur NIVA annuel (n = 662) calculé à 30 stations de règles à neige gérées par le

MFFP de 1975 à 2015. Certains modèles testent l’importance des interactions entre les variables

du modèle (*) ou si elles agissent indépendamment les unes des autres (+). L’effet quadratique

de l’altitude a également été évalué, L’année a été intégrée en facteur aléatoire afin de considérer

les mesures répétées.

Tableau 5 . Modèles évaluant l’effet de l’altitude (alt), des coordonnées géographiques (lat et

long), du mois (Mois) et du jour dans l’année (Jour_jul) sur l’enfoncement à chacun des relevés

(n = 7132) calculé à 30 stations de règles à neige gérées par le MFFP de 1975 à 2015. Certains

modèles testent l’importance des interactions entre les variables du modèle (*) ou si elles agissent

indépendamment les unes des autres (+). L’effet quadratique (exposant 2) de l’altitude a

également été évalué. L’année a été intégrée en facteur aléatoire afin de considérer les mesures

répétées.

Modèle Nombre de paramètres AIC AICc ∆AICc Poids de

l’AICc Alt*(Lat+Long)*Mois 12 71 888,5 71 888,5 0 1

Alt*Lat*Mois 8 74 189,3 74 189,3 2300,7 0 Alt+Lat+Mois 4 77 416,1 77 416,1 5527,5 0 Alt*Long*Mois 8 79 036,2 79 036,3 7147,7 0 Alt+Long+Mois 4 81 865,6 81 865,6 9977,0 0

Alt2*mois 6 84 533,2 84 533,2 12 644,6 0 Alt2+mois 4 85 888,2 85 888,2 13 999,7 0

Mois 2 87 438,5 87 438,5 15 549,9 0 Jour_jul 2 100 017,0 100 017,0 28 128,4 0

Alt2*(Lat+Long) 9 100 276,3 100 276,4 28 387,8 0


l’AICc Alt2*(Lat+Long) 9 178 135,1 178 135,4 0,0 1,0 Alt2*Long*Lat 8 183 198,4 183 198,6 5063,2 0,0 Alt2+Long+Lat 4 201 866,7 201 866,8 23 731,4 0,0

Lat*Long 4 204 158,8 204 158,8 26 023,5 0,0 Lat+Long 3 206 471,9 206 472,0 28 336,6 0,0

Lat 2 228 024,0 228 024,0 49 888,7 0,0 Long 2 311 595,0 311 595,0 133 459,6 0,0 Alt2 3 384 587,5 384 587,5 206 452,2 0,0 Alt 2 408 575,8 408 575,9 230 440,5 0,0

Intercept 1 416 828,3 416 828,3 238 692,9 0,0



Tableau 6. Modèles évaluant la relation entre l’enfoncement à chacun des relevés (n = 7132)

calculés à 30 stations de règles à neige gérées par le MFFP de 1975 à 2015 et la neige au sol

(N), la température moyenne (Tmoy), la quantité de pluie moyenne (Pmoy), le mois (Mois),

l’altitude (Alt), la latitude (Lat), et la longitude (Long) provenant de 46 stations météorologiques

d’Environnement et Changement climatique Canada. Les variables ont également été calculées

rétroactivement de 1 semaine (_1) jusqu’au début de l’hiver (_h). Le signe ∆ représente la

différence entre la station météorologique et le ravage. Certains modèles testent l’importance des

interactions entre les variables du modèle (*) ou si elles agissent indépendamment les unes des

autres (+). L’effet racine carrée (√) et cubique (∛) ont également été évalués. L’année a été

intégrée en facteur aléatoire afin de considérer les mesures répétées.


l’AICc (√N + ∛Tmoy_h + Pmoy_h) *

Mois + ∆Alt + ∆Lat + ∆Long 31 18 538,4 18 538,8 0 1

(√N_h + ∛Tmoy_h +

Pmoy_h) * Mois + ∆Alt +

∆Lat + ∆Long

31 19 834,3 19 834,9 1295,9 0

(N_h + Tmoy_h + Pmoy_h) *

Mois + ∆Alt + ∆Lat + ∆Long 31 19 883,8 19 884,3 1345,4 0


Mois + ∆Alt 29 20 092,3 20 092,7 1553,8 0


Mois 28 21 273,9 21 274,2 2735,4 0

N_h + Tmoy_h + Pmoy_h 4 26 966,1 26966, 8427,3 0

N_h + Tmoy_h 3 29 647,9 29 647,9 11 109,0 0

N_h 2 38 527,7 38 527,7 19 988,8 0

N_3 2 44 035,2 44 035,2 25 496,4 0

N_2 2 44 243,5 44 243,5 25 704,7 0

N_1 2 44 406,2 44 406,2 25 867,4 0



Figure 2. Relation entre l’enfoncement observé de façon bimensuelle dans 30 stations du MFFP

munies de règles à neige de 1975 à 2015 et l’enfoncement calculé à partir de

46 stations météorologiques d’Environnement et Changement climatique Canada

selon la formule 1 pour le sud du Québec. Le modèle inclut une interaction entre

l’épaisseur de neige au sol, la température moyenne, la pluie, le mois, l’altitude, la

latitude et la longitude. La ligne rouge correspond à une relation parfaite.

Il y a un écart moyen de 20 % entre le NIVA calculé dans les stations à neige et l’indice de rigueur

hivernale calculé selon la formule 1 de 2008 à 2015. Cet écart varie selon les stations de règles

à neige (Tableau 7, Figure 3). La moyenne des écarts en valeur non absolue pour l’ensemble des

stations est de 0,0053 %, ce qui suggère que la formule 1 ne biaise pas systématiquement les

données. De plus, la probabilité de classer l’indice de rigueur hivernale calculé avec la formule 1

dans la même catégorie de rigueur des conditions hivernales (facile [< 3000], intermédiaire

[> 3000, < 5000] ou difficile [> 5000)] que le NIVA calculé aux stations de règles à neige est

élevée (Tableau 8). Comme l’indicateur NIVA estime lui aussi l’enfoncement, la différence

observée ne représente pas nécessairement une erreur de l’indice de rigueur hivernale. En effet,



la formule développée à partir des données météorologiques pourrait permettre d’améliorer cet

indice afin de mieux refléter les conditions réelles.

Tableau 7. Différence moyenne entre le NIVA mesuré dans chacune des stations de règles à

neige et l’indice de rigueur hivernale calculé selon la formule 1 entre 2008 et 2015.

Station de règles à neige

Station météo utilisée dans la formule 1

Valeur absolue de la moyenne des écarts (%)

Armagh Saint-Michel 14,3 Armstrong Saint-Théophile 25,2 Ashberish Rivière-du-Loup 27,1

Calway Vallée-Jonction 17,9 Cap-Santé Deschambault 38,6 Cascapédia Charlo Auto 11,7 Causapscal Causapscal 9,4

Chertsey St-Hippolyte 20,0 Duchénier Lac Humqui 29,0 Duhamel Chénéville 32,4 Gaspé Gaspé A 21,6

Golf du Grand-Portneuf Sainte-Christine 16,9 Grande-Rivière Sainte-Lucie 23,4 Hemmingford Hemmingford 4 Winds 24,0

Hillhead Lachute 10,3 Island-Brook Sawyerville Nord 18,2

Knowlton Sutton 20,6 Lady Smith Charteris 13,6 La-Louise Lac-Mégantic 2 10,3 Lac Meech Luskville 23,3 Maniwaki Ottawa Int A 31,3

Pohénégamook Rivière-du-Loup 18,7 St-Calixte Saint-Hippolyte 24,2

Sainte-Anne-des-Monts Causapscal 18,4 Sainte-Christine Saint-Nazaire 10,4 Sainte-Eulalie Arthabaska 37,1

Saint-Jacques-de-Leeds Saint-Pierre-de-Broughton 16,2 Tawachiche Lac-aux-Sables 14,8

Venosta Charteris 23,6 Watopéka Bromptonville 18,8

Moyenne 20,7 * La valeur non absolue de la moyenne des écarts pour l’ensemble des stations est de

0,0053 %.



Figure 3. Relation entre le NIVA calculé dans 30 stations munies de règles à neige de 2008 à

2015 et l’indice de rigueur hivernale calculé à partir de 46 stations météorologiques

d’Environnement et Changement climatique Canada selon la formule 1 pour le sud du

Québec. Le modèle inclut une interaction entre l’épaisseur de neige au sol, la

température moyenne, la pluie, le mois, l’altitude, la latitude et la longitude, La ligne

rouge correspond à une relation parfaite.

Tableau 8. Probabilité (en pourcentage) de classer l’indice de rigueur hivernale calculé avec la

formule 1 dans trois niveaux de rigueur (facile < 3000, intermédiaire = 3000 à 5000,

difficile > 5000) selon le classement du NIVA calculé aux 30 stations de règles à neige

de 2008 à 2015.

NIVA calculé aux stations à neige

Indice de rigueur hivernale calculé selon la formule 1

Facile Intermédiaire Difficile

Facile 84 16 0

Intermédiaire 18 75 6

Difficile 2 33 65



Comparaison entre l’indicateur NIVA et l’indice de rigueur hivernale

déterminé à partir des stations météorologiques

Mortalité dans quatre ravages

La relation entre le pourcentage de mortalité des cerfs dans quatre ravages et l’indice de rigueur

hivernale était plus forte pour celui calculé à partir de la formule 1 que le NIVA calculé aux stations

à neige (Figure 4). Ces résultats suggèrent que l’indicateur de rigueur hivernale calculé à partir

de la formule 1 représente mieux les conditions hivernales réelles vécues par le cerf et permet

une meilleure estimation du taux de mortalité.

Figure 4. Relation entre l’indice de rigueur hivernale et le taux de mortalité des cerfs dans quatre

ravages du Québec, Les deux indices présentés sont : le NIVA calculé à partir des

stations à neige (carrés, bleu) et l’indice calculé selon la formule 1 (cercles, noir).



Variation de la récolte des mâles adultes à la chasse sportive

La relation entre la variation de la récolte de mâles adultes par rapport à l’année précédente et

l’indice de rigueur hivernale était, en moyenne, légèrement plus forte pour celui calculé à partir

de la formule 1 que pour le NIVA calculé aux stations à neige (Tableau 8). La différence entre les

indices de rigueurs et la variation de la récolte par rapport aux trois années précédentes était

similaire. Ce résultat laisse de nouveau supposer que l’indice de rigueur hivernale calculé avec

la formule 1 explique mieux la mortalité des cerfs que l’indicateur NIVA.

Tableau 9. Coefficient de détermination entre la variation de la récolte par rapport à celle de

l’année précédente et le NIVA mesuré dans les stations à neige ou l’indice de rigueur

hivernale déterminé selon la formule 1 par zone de chasse.

Zone de chasse R2 pour le NIVA calculé aux stations à neige

R2 pour l’ indice de rigueur hivernale calculé

selon la formule 1 1 0,11 0,75

2e 0,16 0,32 2o 0,14 0,45 3e 0,22 0,47 3o 0,04 0,20 4 0,36 0,67

5e 0,55 0,49 5o 0,59 0,53 6n 0,46 0,66 6s 0,71 0,71 7n 0,22 0,73 7s 0,80 0,27 8e 0,00 0,00 8n 0,61 0,78 8s 0,00 0,01 9o 0,47 0,54 9e 0,22 0,50

10e 0,80 0,84 10o 0,60 0,61 26e 0,30 0,46 27o 0,32 0,37

Moyenne 0,37 0,49



Accidents routiers

Nous n’avons pas observé de relation entre la variation du nombre d’accidents routiers par

rapport à celui de l’année précédente et le NIVA calculé aux stations à neige (Figure 5) ou l’indice

de rigueur hivernale calculé à partir de la formule 1 (Figure 6). Malgré que le nombre d’accidents

routiers avec le cerf augmente avec sa densité (Hothorn et coll., 2015), le nombre d’accidents

enregistrés annuellement peut ne pas représenter le nombre réel, car certains cerfs peuvent avoir

été récoltés par les résidents locaux avant leur comptabilisation, projetés loin de la route ou sont

allés mourir plus loin à la suite de la collision (Finder et coll., 1999). De plus, la SAAQ n’enregistre

pas les accidents avec la faune dont les dommages matériels ou corporels sont évalués à moins

de 1000 $ et 2000 $ avant ou après mars 2010, respectivement. Avant 2010, les données ne

distinguent pas l’espèce impliquée dans l’accident bien que le cerf de Virginie soit l’espèce la plus

abondante dans les milieux habités et conséquemment le plus susceptible d’être impliquée dans

ces accidents. Ces spécificités pourraient expliquer l’absence de relation observée avec la rigueur

hivernale,

Figure 5. Relation entre le NIVA calculé aux stations à neige et la proportion d’accidents routiers

annuels par zone de chasse au Québec.



Figure 6. Relation entre l’indice de rigueur hivernale et la proportion d’accidents routiers annuels

par zone de chasse au Québec.

Projection de l’indice de rigueur hivernale jusqu’e n 2100

L’indice de rigueur hivernale devrait diminuer au courant des prochaines années puis se stabiliser

vers 2090 (Figure 7). Par contre, cette diminution n’est pas constante et les conditions devraient

devenir plus strictes selon les années. De plus, l’indice pourrait demeurer supérieur à 3000 j* cm,

la limite à laquelle un hiver est considéré comme facile pour le cerf, pour plusieurs ravages. Bien

que les conditions hivernales dussent s’améliorer pour le cerf au Québec, elles pourraient rester

limitantes dans plusieurs ravages actuels au Québec d’ici à 2100 (Tableau 10). De plus, les

changements climatiques devraient améliorer les conditions environnementales vers le nord

(Chen et coll., 2011) et les cerfs pourraient être exposés aux conditions hivernales actuelles dans



leurs futurs ravages situés plus au nord (La Sorte et Jetz 2012). Par conséquent, il est important

de conserver un bon abri dans les ravages pour maintenir les populations de cerfs dans les

régions où la rigueur de l’hiver demeurera un facteur limitant. Le nouvel indicateur de rigueur

hivernale développé dans ce document pourrait donc être utile pour améliorer la gestion du cerf

de Virginie partout au Québec.

Figure 7. Moyenne des projections de l’indice de rigueur hivernale moyen lissé calculé selon la

formule 1 jusqu’en 2100 produit à partir de prévision météorologique venant de

5 modèles CIMP5 forcés selon les scénarios RCP4,5 (ligne pleine) ou RCP8,5 (ligne

pointillée) pour l’ensemble des 30 ravages. Les intervalles de confiances à 95 % sont

présentés en bleu (RCP4,5) et gris (RCP8,5). La ligne rouge représente la limite

supérieure d’un hiver considéré comme facile pour le cerf de Virginie.



Tableau 10. Projection de l’indice de rigueur moyen lissé calculé selon la formule 1 en 2100 pour

chacun des ravages produit à partir de prévision météorologique venant de

5 modèles CIMP5 forcés selon les scénarios RCP4,5 ou RCP8,5.

Ravage RCP4,5 RCP8,5 2016 2100 2016 2100

Armagh 4701 3682 4611 3281 Armstrong 2875 2090 2565 2410 Asberish 3911 2957 3814 2498 Calway 3813 2980 3798 2732

Cap-Santé 2683 2040 2343 1606 Cascapédia 4894 3664 4737 3090 Causapscal 5075 3902 4974 3248

Chertsey 5112 3900 5475 4129 Duchénier 4803 3593 4728 2905 Duhamel 3659 2800 3601 2683 Gaspé 4838 3525 4673 2880

Golf GP 3724 2792 3919 2741 Grande-Rivière 5085 3611 5130 3435 Hemmingford 2045 1748 2195 1747

Hillhead 3560 2851 3572 2685 Island Brook 2290 1887 2348 1889

Knowlton 1943 1621 1987 1537 Lac-Louise 2935 2305 3043 2368 Lac Meech 2472 2005 2340 1761 Lady Smith 3343 2741 3307 2532 Maniwaki 3074 2579 3070 2416

Pohénégamook 4426 3326 4348 2854 Saint-Calixte 4066 3258 4211 3172 Sainte-Anne 6893 5048 6517 3440

Sainte-Christine 2687 2249 2771 2202 Sainte-Eulalie 1887 1516 2066 1581 Saint-Jacques 2964 2294 2874 2115 Tawachiche 5834 4393 6089 4108

Venosta 3510 2772 3489 2643 Watopéka 2897 2351 2908 2282



A. RCP4.5

2016

2050

2100



Figure 8. Indice de rigueur hivernale pour le cerf de Virginie en 2016, 2050 et 2100 produit à

partir de prévision météorologique venant de 5 modèles CIMP5 forcés selon les

scénarios RCP4,5 (A) ou RCP8,5 (B) pour le Québec méridional.

B. RCP8.5

2016

2050

2100



Figure 8. (Suite).



Conclusion

Selon les projections de l’indice de rigueur hivernale, les hivers devraient devenir plus cléments

pour les cerfs de Virginie au courant du prochain siècle. Par contre, certaines années devraient

connaitre une augmentation de la rigueur et en 2100 les conditions pourraient toujours être

difficiles pour plusieurs ravages au Québec. De plus, l’une des conséquences possibles du

réchauffement global est la poursuite de l’expansion nordique du cerf de Virginie. Par conséquent,

de nouveaux ravages pourraient apparaitre vers le nord, affichant des conditions hivernales

semblables à ce qui est actuellement observé dans le sud du Québec. Un indice de rigueur

hivernale devrait donc être utile à court, moyen et long terme dans la gestion de cette espèce au

Québec.

En utilisant les données provenant de 46 stations météorologiques gérées par Environnement et

Changement climatique Canada, nous avons élaboré un modèle permettant de prédire

l’enfoncement du cerf dans la neige à d’autres endroits dans le sud du Québec. Ce modèle

permet, entre autres, d’évaluer un indice de rigueur des conditions hivernales comparable à

l’indicateur NIVA. De plus, ce nouvel indicateur évalue la rigueur de l’hiver plus précisément que

le NIVA. Les stations météorologiques sont également distribuées plus uniformément sur le

territoire que les stations de règles à neige. Par conséquent, il est possible d’utiliser les données

provenant des stations situées à proximité des ravages ainsi que d’autres stations bien réparties

dans les zones de chasse afin d’augmenter la portée de cet indicateur. Les données de ces

stations météorologiques sont disponibles gratuitement et sont mise à jour quotidiennement sur

le site :

http://climat,meteo,gc,ca/advanceSearch/searchHistoricData_f,html#stnNameTab

En plus d’offrir une précision acceptable et supérieure, cette nouvelle méthode offre plusieurs

avantages logistiques et financiers. En effet, il n’est pas nécessaire de se rendre sur le terrain à

plusieurs reprises au courant de l’hiver, ce qui réduit la logistique et les coûts associés à

l’utilisation de l’indicateur NIVA. De plus, la méthode actuellement utilisée pour calculer l’indice

NIVA extrapole de manière linéaire l’enfoncement mesuré entre deux relevés, sans prendre en

considération les variations réelles des conditions météorologiques entre ceux-ci. Puisque les

relevés sont faits environ toutes les deux semaines, cela constitue sans aucun doute une limite



importante à la précision de cet estimateur. L’utilisation de notre formule permet de calculer

l’indice de rigueur hivernale quotidiennement et donc d’obtenir une meilleure précision qui tient

également compte des variations fines de la rigueur des conditions hivernales.

Afin de simplifier l’utilisation de cette nouvelle méthode, la formule a été implantée dans un

chiffrier Excel et est disponible pour les biologistes gestionnaires de cette ressource. Après avoir

sélectionné la station météorologique située le plus près du ravage, il suffit de remplir quelques

cases (en jaune dans le fichier) pour calculer l’enfoncement quotidien :

1- L’altitude de la station météorologique

2- L’altitude au centre du ravage

3- La latitude et la longitude de la station météorologique

4- La latitude et la longitude au centre du ravage

5- Les données quotidiennes de pluie, de température moyenne et de neige au sol

téléchargées du site d’Environnement et Changement climatique Canada.

La latitude et la longitude doivent être en mètres (p. ex. UTM 286620; 5 174 250). Si ces données

sont en degrés minutes secondes (p. ex. 45° 12’ 4,56’’) ou en degrés décimaux (p. ex. 45,12345;

-72,12345) deux onglets ont été ajoutés dans le fichier pour les convertir, rapidement et

simplement, en mètres.

Nous croyons que cette méthode, relativement simple d’utilisation, peut être utilisée pour évaluer

la rigueur des conditions hivernales pour les cerfs de Virginie au Québec et ainsi devenir un outil

supplémentaire de choix pour gérer de cette espèce.



Références

BILELLO, M.A. (1969). “Relationships between climate and regional variations in snow-cover

density in North America”, Physics of Snow and Ice, 1: 1015-1028.

BUNNELL, F. L. et G. W. JONES (1984). “Black-tailed deer and lod-growth forests - a synthesis”,

dans W.R. Meehan, T.R. Merrell Jr et T.A. Hanley (éditeurs), Fish and Wildlife

Relationships in Old-growth Forests, Bookmasters, Ashland, pp. 411-420.

BUNNELL, F. L., F.W. HOVEY, R. S. McNAY et K. L. PARKER (1990a). “Forest cover, snow

conditions, and black-tailed deer sinking depths”, Canadian Journal of Zoology, 68 : 2403-

2408.

BUNNELL, F. L., K. L. PARKER, R. S. McNAY et F.W. HOVEY (1990b). “Sinking depths of black-

tailed deer in snow, and their indices”, Canadian Journal of Zoology, 68:917-922.

CANNON, A. J., S. R. SOBIE et T. Q. MURDOCK (2015). “Bias correction of GCM precipitation

by quantile mapping: how well do methods preserve changes in quantiles and extremes?”,

Journal of Climate, 28: 6938-6959.

CHAUMOND, D. et R. D. BROWN (2010). “Analysis of regional climate model simulations of

transport-related climate indices over southern Quebec”, Routes/Roads, 345: 78-83.

CHEN, I.-C., J. K. HILL, R. OHLEMÜLLER, D. B. ROY et C. D. THOMAS (2011). “Rapid range

shifts of species associated with associated with high levels of climate warming”, Science,

333: 1024-1026.

CÔTÉ, S. D., T. P. ROONEY, J.-P. TREMBLAY J, C. DUSSAULT et D. M. WALLER (2004).

“Ecological impacts of deer overabundance”, Annual Review of Ecology Evolution and

Systematics, 35: 113-147.

CRÊTE, M. et F. GOUDREAULT (1974). Normes appliquées aux mesures de l’enneigement dans

les aires d’hivernage du cerf de Virginie, ministère du Tourisme, de la Chasse et de la

Pêche, 11 p.

DAWE, K. L., E. M. BAYNE et S. BOUTIN (2014). “Influence of climate and human land use on

the distribution of white-tailed deer (Odocoileus virginianus) in the western boreal forest”,

Canadian Journal of Zoology, 92: 353-363.

DELGIUDICE, G. D. (1998). “Surplus killing of white-tailed deer by wolves in northcentral

Minnesota”, Journal of Mammalogy, 79: 227-235.



DELGIUDICE, G. D., J. R. FIEBERG et B. A. SAMPSON (2013). “A Long-Term Assessment of

the Variability in Winter Use of Dense Conifer Cover by Female White-Tailed Deer”, PLoS

ONE, 8(6): e65368.

DELGIUDICE, G. D., M. R. RIGGS, P. JOLY et W. PAN (2002). “Winter severity, survival, and

cause-specific mortality of female white-tailed deer in north-central Minnesota”, Journal of

Wildlife Management, 66: 698-717.

FINDER, R. A., J. L. ROSEBERRY et A. WOOLF (1999). “Site and landscape conditions at white-

tailed deer/vehicle collision locations in Illinois”, Landscape and Urban Planning, 44: 77-

85.

HANSEN, B. B., R. AANES, I. HERFINDAL, J. KOHLER et B. E. SAETHER (2011). “Climate,

icing, and wild arctic reindeer: past relationship and future prospects”, Ecology, 92: 1917-

1923.

HEDSTROM, N. R. et J. W. POMEROY (1998). “Accumulation of intercepted snow in the boreal

forest: measurements and modelling”, Hydrological Processes, 12: 1611-1623.

HOTHORN, T., J. MÜLLER, L. HELD, L. MÖST et A. MYSTERUD (2015). “Temporal patterns of

deer-vehicle collisions consistent with deer activity pattern and density increase but not

general accident risk”, Accident Analysis and Prevention, 81: 143-152.

IPCC (2013). “Summary for policymakers”, dans Climate Change 2013: the Physical Science

Basis (Stocker, T. F., D. Qin, G.-K. Plattner et coll. eds.), p. 3-29, Cambridge University

press, Cambridge.

JARVIS, P. et S. LINDER (2000). “Constraints to growth of boreal forests”, Nature, 405: 904-905.

JENOUVRIER, S. (2013). “Impacts of climate change on avian populations”, Global Change

Biology, 19: 2036-2057.

JUDSON, A. et N. DOESKEN (2000). “Density of freshly fallen snow in the Central Rocky

Mountains”, Bulletin of the American Meteorological Society, 81: 1577-1587.

KRASTING, J. P., A. J. BROCCOLI, K. W. DIXON et J. R. LANZANTE (2013). “Future changes

in Northern Hemisphere snowfall”, Journal of Climate, 26: 7813-7828.

LA SORTE, F. A. et W. JETZ (2012). “Tracking of climatic niche boundaries under recent climate

change” Journal of Animal Ecology, 81: 914-925.

MASSE, A. et S. D. COTE (2013). “Spatiotemporal variations in resources affect activity and

movement patterns of white-tailed deer (Odocoileus virginianus) at high density”,

Canadian Journal of Zoology, 91: 252-263.

MELØYSUND, V., B. LEIRA, K. V. HØISETH et K. R. LISØ (2007). “Review: predicting snow

density using meteorological data”, Meteorological Applications, 14: 413-423.



MORRISON, S. F., G. J. FORBES, S. J. YOUNG et S. LUSK (2003). “Within-yard habitat use by

white-tailed deer at varying winter severity”, Forest Ecology and Management, 172: 173-

182.

MOSS, R. H., J. A. EDMONDS, K. A. HIBBARD, M. R. MANNING, S. K. ROSE, D. P. VAN

VUUREN, T. R. CARTER, S. EMORI, M. KAINUMA, T. KRAM, G. A. MEEHL, J. F. B.

MITCHELL, N. NAKICENOVIC, F. RIAHI, S. J. SMITH, R. J. STOUFFER, A. M.

THOMPSON, J. P. WEYANT et T. J. WILBANKS (2010). “The next generation of

scenarios for climate change research and assessment”, Nature, 463:7 47-756.

OLSON, D. D., J. A. BISSONETTE, P. C. CRAMER, K. D. BUNNELL, D. C. COSTER et J. J.

JACKSON (2015). “How does variation in winter weather affect deer—vehicle collision

rates?”, Wildlife Biology, 21: 80-87.

OZOGA, J. J. et L. W. GYSEL (1972). “Response of white-tailed deer to winter weather”, Journal

of Wildlife Management, 36: 892-896.

PARKER, K. L. et C. T. ROBBINS (1984). “Thermoregulation in mule deer and elk” Canadian

Journal of Zoology, 62: 1409-1422.

PIELMEIER, C. et M. SCHNEEBELI (2002). “Snow stratigraphy measured by snow hardness and

compared to surface section images” Proceedings of the International Snow Sciences

Workshop, 8 p.

POMEROY, J. W. et E. BRUN (2001). “Physical properties of snow”, dans Snow Ecology: an

Interdisciplinary Examination of Snow-covered Ecosystems (H. G. Jones, J. W. Pomeroy,

D. A. Walker, R. W. Hoham eds.), Cambridge University Press, Cambridge, p. 45-126.

POTVIN. F. (1989). Analyse du système de suivi du cerf au Québec, ministère du Loisir, de la

Chasse et de la Pêche, 27 p.

POTVIN, F. et L. BRETON (1986). Sommaire des conditions d’enneigement pour le cerf au

Québec de 1973 à 1985, ministère du Loisir, de la Chasse et de la Pêche, 62 p.

POTVIN, F. et L. BRETON (1992). Rigueur de l’hiver pour le cerf au Québec : description de

l’indicateur prévisionnel NIVA et présentation d’un logiciel approprié, ministère du Loisir,

de la Chasse et de la Pêche, 21 p.

RENARD, A., M. LAVOIE et S. LARIVIERE (2008). “Differential footload of male and female

fisher, Martes pennant, in Quebec”, Canadian Field-Naturalist, 122: 269-270.

RIAHI, K., S. RAO, V. KREY, C. CHO, V. CHIRKOV, G. FISCHER, G. KINDERMANN, N.

NAKICENOVIC et P. RAFAJ (2011). “RCP 8.5-a scenario of comparatively high

greenhouse gas emissions”, Climate Change, 109: 33-57.



SKOGLAND, T. (1978). “Characteristics of the snow cover and its relationship to wild mountain

reindeer (Randifer tarandus tarandus L.) feeding strategies”, Arctic and Alpine Research,

10: 569-579.

THOMPSON, A. M., K. V. CALVIN, S. J. SMITH, G. P. KYLE, A. VOLKE, P. PATEL, S.

DELGADO-ARIAS, B. BOND-LAMBERTY, M. A. WISE, L. E. CLARKE et J. A. EDMONDS

(2011). “RCP 4.5: a pathway for stabilization of radiative forcing by 2100”, Climatic

Change, 109: 77-94.

TIERSON, W. C., G. F. MATTFELD, R. W. SAGE JR et D. F. BEHREND (1985). “Seasonal

movements and home ranges of white-tailed deer in the Adirondacks”, Journal of Wildlife

Management, 49: 760-769.



Annexes



Annexe 1. Modèles évaluant l’effet de l’altitude (alt) et des coordonnées géographiques (lat et

long) sur l’enfoncement maximal annuel (n = 662) calculé à 30 stations de règles à


relations entre les variables du modèle (*) ou si elles agissent indépendamment les

unes des autres (+), L’effet quadratique (exposant 2) de l’altitude a également été

évalué. L’année a été intégrée en facteur aléatoire afin de considérer les mesures

répétées.

Modèle Nombre de paramètres A AICc ∆AICc Poids de

l’AICc Alt2*(Lat+Long) 9 5403,3 5403,5 0,0 0,9 Alt*(Lat+Long) 6 5412,9 5413,0 9,5 0,1 Alt+Long+Lat 4 5448,9 5449,0 45,4 0,0

Lat+Long 3 5456,7 5456,7 53,2 0,0 Lat*Long 4 5457,3 5457,4 53,8 0,0

Lat 2 5475,6 5475,6 72,1 0,0 Long 2 5605,4 5605,4 201,8 0,0 Alt2 3 5712,0 5712,0 308,5 0,0 Alt 2 5731,4 5731,4 327,9 0,0

Intercept 1 5744,7 5744,7 341,2 0,0




long) sur l’enfoncement moyen annuel (n = 662) calculé à 30 stations de règles à

neige gérées par le MFFP de 1975 àt 2015. Certains modèles testent s’il existe des


unes des autres (+), L’effet quadratique (exposant 2) de l’altitude et la triple interaction

(:) ont également été évalués. L’année a été intégrée en facteur aléatoire afin de

considérer les mesures répétées.


l’AICc Alt*(Lat+Long) 6 4549,3 4549,4 0,0 0,8 Alt2*(Lat+Long) 9 4553,0 4553,3 3,9 0,2

Lat*Long 4 4588,7 4588,8 39,4 0,0 Alt+Long+Lat 4 4599,3 4599,4 50,0 0,0

Lat+Long 3 4608,1 4608,1 58,7 0,0 Lat 2 4658,2 4658,2 108,8 0,0

Long 2 4772,2 4772,2 222,8 0,0 Alt2 3 4826,4 4826,4 277,0 0,0 Alt 2 4835,4 4835,4 286,0 0,0

Intercept 1 4840,1 4840,2 290,8 0,0




long) sur l’enfoncement cumulatif annuel (n = 662) calculé à 30 stations de règles à





répétées.


l’AICc Alt2*(Lat+Long) 9 10 526,9 10 527,1 0,0 1,0 Alt*(Lat+Long) 6 10 933,4 10 933,6 406,4 0,0 Alt+Long+Lat 4 12 223,1 12 223,2 1696,0 0,0

Lat*Long 4 12 370,5 12 370,6 1843,4 0,0 Lat+Long 3 12 547,9 12 547,9 2020,8 0,0

Lat 2 14 086,1 14 086,1 3558,9 0,0 Long 2 19 855,3 19 855,3 9328,1 0,0 Alt2 3 24 515,0 24 515,0 13 987,9 0,0 Alt 2 26 301,4 26 301,4 15 774,3 0,0

Intercept 1 26 856,3 26 856,3 16 329,2 0,0




long) sur l’enneigement maximal annuel (n = 662) calculé à 30 stations de règles à





répétées.


l’AICc Alt2*(Lat+Long) 9 5715,5 5715,8 0 1,0 Alt*(Lat+Long) 6 5736,8 5737,0 21,3 0,0

Lat*Long 4 5756,3 5756,3 40,6 0,0 Alt+Long+Lat 4 5758,6 5758,7 43 0,0

Lat+Long 3 5760,7 5760,8 45,1 0,0 Lat 2 5795,4 5795,4 79,7 0,0

Long 2 5966,1 5966,1 250,4 0,0 Alt2 3 6096,1 6096,1 380,4 0,0 Alt 2 6115,1 6115,1 399,4 0,0

Intercept 1 6121,7 6121,7 406 0,0



Annexe 5 Modèle évaluant l’effet de l’altitude (alt) et des coordonnées géographiques (lat et long)

sur l’enneigement moyen annuel (n = 662) calculé à 30 stations de règles à neige

gérées par le MFFP de 1975 à 2015. Certains modèles testent s’il existe des relations

entre les variables du modèle (*) ou si elles agissent indépendamment les unes des

autres (+). L’effet quadratique (exposant 2) de l’altitude a également été évalué.

L’année a été intégrée en facteur aléatoire afin de considérer les mesures répétées.


l’AICc Alt2*(Lat+Long) 9 5094,2 5094,5 0 0,9 Alt*(Lat+Long) 6 5102,5 5102,6 8,2 0,1

Lat+Long 3 5142,7 5142,7 48,3 0,0 Alt+Long+Lat 4 5143,1 5143,1 48,7 0,0

Lat*Long 4 5144,5 5144,6 50,2 0,0 Lat 2 5197,9 5197,9 103,5 0,0

Long 2 5319,9 5319,9 225,5 0,0 Alt2 3 5381,7 5381,7 287,3 0,0

Intercept 1 5391,3 5391,3 296,9 0,0 Alt 2 5392,0 5392,1 297,6 0,0




long) sur l’enneigement cumulatif annuel (n = 662) calculé à 30 stations de règles à



unes des autres (+). L’effet quadratique (exposant 2) de l’altitude a également été


répétées.


l’AICc Alt2*(Lat+Long) 9 18 437,1 18 437,4 0 1,0 Alt*(Lat+Long) 6 19 762,8 19 762,9 1325,5 0,0

Lat*Long 4 21 230,1 21 230,2 2792,8 0,0

Alt+Long+Lat 4 21 294,8 21 294,8 2857,4 0,0 Lat+Long 3 21 393,8 21 393,9 2956,5 0,0

Lat 2 23 766,7 23 766,8 5329,4 0,0 Long 2 32 858,0 32 858,0 14 420,6 0,0 Alt2 3 41 323,5 41 323,6 22 886,2 0,0 Alt 2 44 467,8 44 467,8 26 030,4 0,0

Intercept 1 44 824,8 44 824,8 26 387,4 0,0




long) sur le nombre moyen de jours de plus de 50 cm d’enfoncement annuellement


Certains modèles testent s’il existe des relations entre les variables du modèles (*)

ou si elles agissent indépendamment les unes des autres (+). L’effet quadratique

(exposant 2) de l’altitude a également été évalué. L’année a été intégrée en facteur

aléatoire afin de considérer les mesures répétées.


l’AICc Alt2*(Lat+Long) 9 1454,9 1455,2 0 0,8 Alt*(Lat+Long) 6 1460,8 1460,9 5,8 0,2 Alt+Long+Lat 4 1484,9 1484,9 29,8 0,0

Lat+Long 3 1487,1 1487,1 31,9 0,0 Lat*Long 4 1491,0 1491,0 35,9 0,0

Lat 2 1605,3 1605,4 150,2 0,0 Long 2 1749,6 1749,6 294,5 0,0 Alt2 3 1762,4 1762,5 307,3 0,0

Intercept 1 1775,4 1775,4 320,3 0,0 Alt 2 1782,1 1782,1 327 0,0




long) sur le nombre cumulatif de jours de plus de 50 cm d’enfoncement annuellement







l’AICc Alt2*(Lat+Long) 9 9704,9 9705,1 0 1,0 Alt*(Lat+Long) 6 10 150,7 10 150,9 445,8 0,0 Alt+Long+Lat 4 10 498,2 10 498,2 793,2 0,0

Lat+Long 3 10 569,4 10 569,5 864,4 0,0 Lat*Long 4 10 574,5 10 574,6 869,5 0,0

Lat 2 11 982,4 11 982,4 2277,4 0,0 Long 2 14 641,4 14 641,4 4936,3 0,0 Alt2 3 15 516,0 15 516,0 5811 0,0 Alt 2 16 387,0 16 387,0 6681,9 0,0

Intercept 1 16 425,9 16 425,9 6720,8 0,0




long) sur le nombre moyen de jours de plus de 50 cm d’enneigement annuellement







l’AICc Alt2*(Lat+Long) 9 1911,7 1912,0 0,0 0,7 Alt*(Lat+Long) 6 1913,3 1913,5 1,5 0,3 Alt+Long+Lat 4 1925,6 1925,6 13,7 0,0

Lat+Long 3 1934,6 1934,6 22,6 0,0 Lat*Long 4 1942,6 1942,7 30,7 0,0

Lat 2 2015,0 2015,0 103,0 0,0 Alt2 3 2151,7 2151,7 239,8 0,0

Long 2 2154,7 2154,7 242,7 0,0 Intercept 1 2174,9 2174,9 262,9 0,0

Alt 2 2186,0 2186,1 274,1 0,0




long) sur le nombre cumulatif de jours de plus de 50 cm d’enneigement

annuellement (n = 662) calculé à 30 stations de règles à neige gérées par le MFFP

de 1975 à 2015. Certains modèles testent s’il existe des relations entre les variables

du modèles (*) ou si elles agissent indépendamment les unes des autres (+). L’effet

quadratique (exposant 2) de l’altitude et la triple interaction (:) ont également été

évalués. L’année a été intégrée en facteur aléatoire afin de considérer les mesures

répétées.


l’AICc Alt2*(Lat+Long) 9 9684,0 9684,2 0 1,0 Alt*(Lat+Long) 6 10 096,4 10 096,6 412,3 0,0 Alt+Long+Lat 4 10 311,4 10 311,5 627,2 0,0

Lat+Long 3 10 429,4 10 429,4 745,2 0,0 Lat*Long 4 10 520,9 10 521,0 836,7 0,0

Lat 2 11 665,3 11 665,3 1981 0,0 Long 2 14 176,4 14 176,4 4492,2 0,0 Alt2 3 14 724,4 14 724,4 5040,1 0,0

Intercept 1 15 617,0 15 617,0 5932,8 0,0 Alt 2 15 654,8 15 654,9 5970,6 0,0




long) sur le nombre de jours entre le premier et le dernier relevé (n = 662) calculé à

30 stations de règles à neige gérées par le MFFP de 1975 à 2015. Certains modèles

testent s’il existe des relations entre les variables du modèle (*) ou si elles agissent

indépendamment les unes des autres (+). L’effet quadratique (exposant 2) de

l’altitude a également été évalué. L’année a été intégrée en facteur aléatoire afin de

considérer les mesures répétées.


l’AICc Alt2*(Lat+Long) 9 -672,6 -672,3 0 1,0 Alt+Long+Lat 4 -653,2 -653,1 19,2 0,0 Alt*(Lat+Long) 6 -650,9 -650,8 21,5 0,0

Lat 2 -552,5 -552,5 119,8 0,0 Lat+Long 3 -551,0 -550,9 121,3 0,0 Lat*Long 4 -549,1 -549,0 123,3 0,0

Long 2 -31,1 -31,1 641,2 0,0 Alt2 3 1582,3 1582,3 2254,6 0,0 Alt 2 1776,6 1776,6 2448,9 0,0

Intercept 1 2221,9 2221,9 2894,2 0,0



Annexe 12. Modèles évaluant l’effet de l’altitude (alt), des coordonnées géographiques (lat et

long), du mois (Mois) et du jour dans l’année (Jour_jul) sur l’enneigement à chacun

des relevés (n = 7132) calculé à 30 stations de règles à neige gérées par le MFFP

de 1975 à 2015. Certains modèles testent s’il existe des relations entre les variables

du modèle (*) ou si elles agissent indépendamment les unes des autres (+). L’effet

quadratique (exposant 2) de l’altitude a également été évalué. L’année a été

intégrée en facteur aléatoire afin de considérer les mesures répétées.


l’AICc Alt*(Lat+Long)*Mois 12 66 002,11 66 002,16 0 1

Alt*Long*Mois 8 75 943,63 75 943,65 9941,495 0 Alt+Long+Mois 4 77 856,22 77 856,23 11 854,07 0

Alt2*mois 6 82 420,72 82 420,74 16 418,58 0 Alt2+mois 4 84 306,7 84 306,7 18 304,54 0

Mois 2 86 662,57 86 662,57 20 660,41 0 Jour_jul 2 103 187,6 103 187,6 37 185,4 0

Alt2*(Lat+Long) 9 105 401,5 105 401,5 39 399,32 0

Évaluation de la rigueur des conditions hivernales pour le ... · ce travail a été financé dans...

Documents